几种常见的数据治理框架
几种常见的数据治理框架
在企业数据中台体系建设过程中，数据治理是一个不可避免的重要课题。从不同语境来看，数据治理可以分为宏观和微观两个层面。宏观层面的数据治理是一项持续的、系统性的工程，涉及数据战略、治理架构、组织保障体系、运营机制以及技术工具等多个方面。尽管企业普遍认识到数据是核心资产，但由于数据治理需要大量投入且短期内难以见效，因此在实际操作中往往采取"小步快跑、持续迭代"的策略。
技术与工具体系建设作为数据治理的关键环节，是企业能够较快感知数据资产价值的重要领域。因此，通常所说的数据治理更多指的是微观层面的技术工具体系建设。
作为数据产品经理，无论是宏观还是微观层面的数据治理场景，都需要对相关理论有深入理解。本文将重点介绍几个著名的数据治理体系框架。
国际标准
DAMA（国际数据管理协会） 数据治理体系框架
DAMA从数据治理生命周期的角度，重点研究了对数据资产进行规划、监控和执行等管理活动。该框架定义了10个核心领域：数据治理、数据架构管理、数据开发、数据操作管理、数据安全管理、参考数据和主数据管理、数据仓库和商务智能管理、文档和内容管理、元数据管理、数据质量管理。同时，还提出了7个环境因素：目标和原则、活动、主要交付物、角色和职责、技术、实践和方法、组织和文化，为数据管理提供了完整的结构体系。
CMMI-DMM数据治理体系框架
CMMI研究所推出的DMM（数据管理成熟度模型）旨在帮助企业改善整个业务领域的数据管理实践。DMM模型由五大核心过程域和一套支撑流程组成，五大核心过程域包括：数据管理战略、数据治理、平台和架构、数据运营、数据质量。DMM为公司提供了一套最佳实践标准，帮助制订与商业目标相一致的数据管理战略路线图。
国内标准
DCMM数据治理体系框架
DCMM（数据管理能力成熟度评估模型）参考了DAMA的DMBOK（数据管理知识体系指南），结合国内数据管理现状，从组织、制度、流程和技术四个维度，提炼出8个核心领域：数据战略、数据治理、数据架构、数据标准、数据质量、数据安全、数据应用、数据生命周期，以及28个过程域。DCMM的特点是更加符合中国的数据治理现状，特别是在体系中增加了数据战略和数据标准等核心领域。
ITSS数据治理框架
ITSS（信息技术服务标准）由国家标准化管理委员会发布，提出了数据治理的总则和要求，为企业数据治理体系的建设提供了参考。ITSS框架重点关注数据的管理过程和方法，为企业提供了一个可操作的实施指南。
结语
数据治理的理论体系在业界尚未形成统一标准，不同组织根据自身研究和实践经验提出了各有侧重的理论体系。了解这些治理体系的基本框架，有助于企业在实施数据治理工程时进行参考和借鉴。